Python 如何使用AdaBoost增强基于Keras的神经网络？

假设我适合以下二元分类问题的神经网络：

model = Sequential()
model.add(Dense(21, input_dim=19, init='uniform', activation='relu'))
model.add(Dense(80, init='uniform', activation='relu'))
model.add(Dense(80, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(x2, training_target, nb_epoch=10, batch_size=32, verbose=0,validation_split=0.1, shuffle=True,callbacks=[hist])

---

如何使用AdaBoost增强神经网络？keras有任何用于此的命令吗？

keras本身不实现adaboost。但是，Keras模型与scikit learn兼容，因此您可能可以从那里使用

AdaBoostClassifier

：。编译后，将您的

模型

用作

base_估计器

，并

拟合
AdaBoostClassifier
实例，而不是
模型

但是，通过这种方式，您将无法使用传递给
fit
的参数，例如纪元数或批大小，因此将使用默认值。如果默认设置不够好，您可能需要构建自己的类，在模型上实现scikit学习接口，并将适当的参数传递给
fit
显然，神经网络与sklearn Adaboost不兼容，请参见
首先创建一个模型（为了再现性，将其作为一个函数）：

然后将其放入sklearn包装器中：

ann_estimator = KerasRegressor(build_fn= simple_model, epochs=100, batch_size=10, verbose=0)

然后，最后推动它：

boosted_ann = AdaBoostRegressor(base_estimator= ann_estimator)
boosted_ann.fit(rescaledX, y_train.values.ravel())# scale your training data 
boosted_ann.predict(rescaledX_Test)

嗨，谢谢你的回答。当我插入：
bdt=AdaBoostClassifier（base\u estimator=model）
bdt.fit（x2，training\u target）
模型是我编译的keras网络时，它给了我一个错误：TypeError:Cannot clone object“”（type）：它似乎不是一个scikit学习估计器，因为它没有实现“get\u params”方法。显然，keras分类器本身并不兼容scikit学习。有关如何使它们协同工作的详细信息，请参阅本文：欢迎使用堆栈溢出！这是一个界限。您应该在此处扩展您的答案以包含尽可能多的信息，并且仅将链接用于参考。您将如何重新缩放数据？我们可以将keras数据生成器传递给SkLearn包装器吗？
boosted_ann = AdaBoostRegressor(base_estimator= ann_estimator)
boosted_ann.fit(rescaledX, y_train.values.ravel())# scale your training data 
boosted_ann.predict(rescaledX_Test)